Benchmarking Vision-Based Object Tracking for USVs in Complex Maritime Environments

要約

視覚ベースの目標追跡は、無人水上車両 (USV) が検査、監視、監視などのタスクを実行するために不可欠です。
ただし、複雑な海洋環境でのリアルタイム追跡は、動的なカメラの動き、視界の悪さ、スケールの変化により困難です。
通常、追跡にはフィルタリング技術と組み合わせた物体検出方法がよく使用されますが、特にカメラの動きが存在する場合や検出漏れがある場合には、堅牢性に欠けることがよくあります。
最近、高度な追跡方法が提案されていますが、海上シナリオでの応用は限られています。
このギャップに対処するために、この研究では、最先端の追跡アルゴリズムと低レベルの制御システムを統合して、動的な海洋環境での正確な追跡を可能にする、USV 用の視覚誘導型物体追跡フレームワークを提案します。
私たちは、Siamese Networks や Transformers などの高度な深層学習技術を使用して開発された 7 つの異なるトラッカーのパフォーマンスを、シミュレートされた海洋データセットと現実世界の海洋データセットの両方で評価することでベンチマークを行いました。
さらに、これらの追跡システムと組み合わせたさまざまな制御アルゴリズムの堅牢性を評価しました。
提案されたフレームワークはシミュレーションと実際の海洋実験を通じて検証され、動的な海洋条件の処理における有効性が実証されました。
結果は、Transformer ベースのトラッカーである SeqTrack が、砂嵐などの悪条件下で最高のパフォーマンスを発揮したことを示しています。
評価された制御アルゴリズムの中で、線形二次レギュレーター コントローラー (LQR) が最も堅牢でスムーズな制御を実証し、USV の安定した追跡を可能にしました。

要約(オリジナル)

Vision-based target tracking is crucial for unmanned surface vehicles (USVs) to perform tasks such as inspection, monitoring, and surveillance. However, real-time tracking in complex maritime environments is challenging due to dynamic camera movement, low visibility, and scale variation. Typically, object detection methods combined with filtering techniques are commonly used for tracking, but they often lack robustness, particularly in the presence of camera motion and missed detections. Although advanced tracking methods have been proposed recently, their application in maritime scenarios is limited. To address this gap, this study proposes a vision-guided object-tracking framework for USVs, integrating state-of-the-art tracking algorithms with low-level control systems to enable precise tracking in dynamic maritime environments. We benchmarked the performance of seven distinct trackers, developed using advanced deep learning techniques such as Siamese Networks and Transformers, by evaluating them on both simulated and real-world maritime datasets. In addition, we evaluated the robustness of various control algorithms in conjunction with these tracking systems. The proposed framework was validated through simulations and real-world sea experiments, demonstrating its effectiveness in handling dynamic maritime conditions. The results show that SeqTrack, a Transformer-based tracker, performed best in adverse conditions, such as dust storms. Among the control algorithms evaluated, the linear quadratic regulator controller (LQR) demonstrated the most robust and smooth control, allowing for stable tracking of the USV.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google